Pasukan dari Akademi Sains China menggunakan teknologi latihan model besar AI untuk memproses data sinaran segerak yang besar

Tanpa mengubah maksud asal, ayat yang perlu ditulis semula ke dalam bahasa Cina ialah: Edit | (X-ray ptychography) ialah teknologi pengimejan difraksi koheren yang boleh secara teori mencapai resolusi terhad difraksi Ia telah digunakan secara meluas dalam penyelidikan dalam pelbagai bidang saintifik seperti bahan, kehidupan, semikonduktor, dan tenaga.

Generasi baharu sumber cahaya sinaran synchrotron boleh memberikan koheren tinggi dan sinar-X kecerahan tinggi, menggalakkan pembangunan teknologi pengimejan koheren ke arah pemprosesan tinggi dan berbilang dimensi, menjadikan ptychography berguna dalam penyelidikan struktur halus dan fungsi sampel volum besar Ia mempunyai prospek aplikasi yang sangat baik dalam pencirian. Walau bagaimanapun, model percubaan dan senario aplikasi baharu telah membawa cabaran teknikal kepada analisis dalam talian data besar-besaran Jumlah data corak pembelauan asal untuk satu eksperimen boleh mencapai tahap PB, menjadi salah satu sumber data terbesar untuk eksperimen saintifik pada yang keempat. sumber cahaya sinaran sinkrotron generasi satu. Selain itu, masalah pemulihan fasanya juga merupakan salah satu masalah yang paling sukar dalam bidang pemprosesan data sinaran segerak.

Sebagai alat yang berkuasa untuk analisis dan pemprosesan data besar, kaedah kecerdasan buatan mengekalkan kelebihan algoritma tradisional dan menyerlahkan keupayaannya dalam analisis dalam talian data eksperimen besar-besaran.

Sebagai teknologi pengimejan pengimbasan yang agak memakan masa, salah satu matlamat utama ptychography adalah untuk membolehkan analisis masa nyata. Walau bagaimanapun, sukar bagi algoritma pembinaan semula ptychography tradisional semasa untuk memenuhi keperluan pembinaan semula dalam talian. Berdasarkan rangkaian neural konvolusi, pasukan penyelidik mencadangkan struktur penyahkod rangkaian saraf konvolusional berkumpulan, yang menjadikan latihan rangkaian dan pembinaan semula lebih cepat dan kesan pembinaan semula lebih baik. Rangkaian saraf boleh belajar untuk memetakan daripada corak difraksi kepada objek sebenar. Terima kasih kepada peningkatan selanjutnya dalam volum dan kualiti data sumber cahaya pada masa hadapan, skala rangkaian, volum parameter dan volum data latihan akan terus meningkat, yang akan meningkatkan prestasi dan keupayaan generalisasi rangkaian. Pasukan perisian beamline High Energy Synchrotron Radiation Source (HEPS) Akademi Sains China telah membangunkan rangka kerja rangkaian saraf konvolusi yang dipanggil PtyNet untuk mengekstrak data daripada X-ray Eksperimen ptychography Pulihkan unjuran objek yang tepat. Dengan sokongan kluster pengkomputeran yang berkuasa, PtyNet boleh mendapatkan data dengan cepat daripada sumber cahaya sinaran synchrotron untuk latihan dan membina semula imej data eksperimen pengguna dengan pantas

# 🎜🎜 #Rajah 1

Penyelidikan ini bertajuk "Strategi pembinaan semula ptychography yang cekap melalui penalaan halus model pembelajaran mendalam pra-latihan besar" dan diterbitkan dalam majalah iScience pada 9 November 2023#🎜 🎜##🎜 🎜#

Pautan kertas:

https://doi.org/10.1016/j.isci.2023.108420

#🎜bertujuan kepada sasaran yang berbeza pulih daripada data percubaan adalah berbeza, dan pasukan itu juga memperkenalkan strategi penalaan halus untuk mengoptimumkan lagi parameter rangkaian. Strategi penalaan halus tanpa pengawasan membolehkan rangkaian mempunyai keupayaan generalisasi yang lebih kukuh dan resolusi pembinaan semula yang lebih tinggi. Sumber sinaran synchrotron boleh menyediakan rangkaian dengan data yang mencukupi untuk mendapatkan model pra-latihan yang lebih berkuasa. Walaupun untuk sampel baru yang tidak muncul dalam rangkaian, rangkaian boleh berjaya dibina semula (Rajah 2).

Isi kandungan yang perlu ditulis semula ialah: Gambar kedua

Pada masa hadapan, pasukan akan terus bekerja pada Rangkaian saraf konvolusi digunakan untuk penyelidikan dalam bidang pengimejan koheren sinar-X. Menggunakan strategi penalaan halus dan model besar, model besar pengimejan koheren telah dibangunkan. Model itu sendiri boleh mengenal pasti tugas pengimejan yang berbeza dan memberikan hasil pemulihan. Pengguna hanya perlu memasukkan beberapa parameter stesen talian untuk pembinaan semula masa nyata.

Menghadapi cabaran data berskala EB pada masa hadapan, HEPS secara aktif mempromosikan paradigma penyelidikan saintifik inovatif "Rangka Kerja Perisian Saintifik Skala Besar + AI untuk Sains" dan telah menubuhkan pasukan perisian saintifik profesional untuk menjalankan eksperimen Penyelidikan merentas lapangan tentang kawalan, pengumpulan dan pemprosesan data besar, kecerdasan buatan, algoritma subjek yang canggih, pemprosesan imej berbilang skala dan perlombongan data telah meletakkan asas untuk pembinaan "sumber cahaya pintar".

Atas ialah kandungan terperinci Pasukan dari Akademi Sains China menggunakan teknologi latihan model besar AI untuk memproses data sinaran segerak yang besar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!